1 big data oracle digi oct

Большие данные на предприятиях
Подводные камни и как на них не наткнуться
Андрей Пивоваров
Руководитель группы перспективных технологий
2

Copyright © 2014 Oracle and/or its affiliates. All rights reserved. |
Oracle Confidential – 3
Big Data – это новые возможности,
ставшие доступными, благодаря новым
технологиям или подходам к обработке
больших объемов данных

Почему Большие Данные стали использовать на
«традиционных» предприятиях?
• Технологии, раньше используемые только в
веб-проектах (Hadoop, NoSQL) стали достаточно зрелыми
– Не обязательно держать штат программистов, чтобы ими пользоваться
• Появились новые возможности для получения конкурентных преимуществ:
– Глубокий анализ поведения клиентов
– Высокоточная реклама
– Объединение и анализ данных из многих источников, в том числе неструктурированных
– Анализ мошенничеств
– и т.д.
• Big Data технологии позволяют существенно удешевить хранение и обработку
данных

CaixaBank, Испания
CaixaBank - крупнейший финансовый институт Испании,
дочка Сберегательного банка Испании, la Caixa
13,7 миллиона клиентов
5 920 отделений
367 миллиардов евро актив
Задачи
Получение максимальной выгоды от имеющейся информации о заказчиках, полученной по любому
из существующих каналов (офисы, интернет, телефон, банковские системы, терминалы…)
Создание новой модели унифицированных корпоративных данных и дополнительных возможностей
аналитики на основе новой Information Management Architecture
Примеры использования
• Идентификация возможноcтей для cross-selling и up-selling
• Разработка персонифицированных предложений для клиентов
• Управление рисками и повышение лояльности к бренду
• Улучшенный анализ мошенничества
• Отслеживание новых нормативных и регуляторных требований
Лучше понимать клиента, анализируя все возможные данные о нём
CaixaBank назван самым инновационным банком в мире - World’s Most Innovative Bank at the 2013 Global Banking Innovation
Awards (Ноябрь 2013)

Отличия традиционных предприятий от интернет-проектов
в контексте Больших данных
• Бизнес предприятия не построен вокруг создания кластеров
• Большие данные начинают использоваться как новые возможности,
дополняющие существующие системы
• Значительные наработки и инвестиции в области реляционных СУБД и
отсутствие или небольшой опыт в областях типа Hadoop
– Отсюда обязательное требование по интеграции ТБД с реляционными базами,
системами бизнес-анализа и т.д.
• Пользователи требуют обеспечить работу с Большими данными как с
обычной СУБД, используя привычные инструменты

Направления работы корпорации Oracle в области
Больших данных
• Оптмизированные программно-аппаратные комплексы для Больших
данных на базе Cloudera Hadoop Distribution
• Интеграция данных в Hadoop/NoSQL и традиционных реляционных
данных
• Разработка собственной Oracle NoSQL Database и других продуктов
• Оптимизация (ускорение доступа) к данным
• Безопасность
• Визуализация Больших данных
• Методология построения систем Больших данных на основе
практического проектного опыта

Oracle Big Data Management System
SOURCES
РЕЗЕРВУАР ДАННЫХ ХРАНИЛИЩЕ ДАННЫХ
Oracle Database
Oracle Industry
Models
Oracle Advanced
Analytics
Oracle Spatial & Graph
Big Data Appliance
Apache
Flume
Oracle
GoldenGate
Oracle Event
Processing
Cloudera Hadoop
Oracle Big Data SQL
Oracle NoSQL
Oracle R Advanced
Analytics for Hadoop
Oracle R Distribution
Oracle Database
In-Memory, Multi-tenant
Oracle Industry Models
Oracle Advanced
Analytics
Oracle Spatial & Graph
Exadata
Oracle
GoldenGate
Oracle Event
Processing
Oracle Data
Integrator
Oracle Big Data
Connectors
Oracle Data
Integrator/
GoldenGate
БИЗНЕС АНАЛИТИКА

Преимущества построения систем с резервуаром
данных
1
Дешевое хранение
Только значимые и
актуальные данные живут
в реляционном ХД
Гибкость
В резервуаре хранятся
любые данные, не нужна
предопредленная
структура и модель
хранения
Data Warehouse
Традиционные
источники данных
Новые источники
Резервуар данных Хранилище данных
Предварительная
обработка данных на
распределенном кластере

Hadoop
• Apache Hadoop - распределенная масштабируемая вычислительная
архитектура
• Одна из самых популярных платформ для хранения и обработки
больших объемов данных
• Подходит для аналитических задач
• Очень быстро развивается
• Oracle совместно с Cloudera производит программно аппаратный
комплекс для Hadoop (и Oracle NoSQL DB)

Подводные камни мира Больших данных
• Hadoop – это не только дешево, но кластер –
это множество узлов, которые нужно
инсталлировать, сопровождать, управлять и т.д.
• Недооценка сложностей, которые возникают при
переходе от «песочниц» к проекту масштаба
предприятия
– Возможность использования кучи дешевого железа –
хорошо, но имеет свою цену
• Недооценка недостатков Hadoop
– Hadoop предназначен для загрузки больших кусков данных
– Нет транзакций и т.д.
• Недооценка сложности интеграции данных из двух
миров (реляционного и Hadoop)

BIG DATA
Appliance

Big Data Appliance X5-2
•Готовый Hadoop или Oracle NoSQL DB кластер
•Совместно тестируется разработчиками Oracle и
Cloudera
•Оптимизирован для высочайшей
производительности
•Единое окно техподдержки по всей системе,
включая ПО Cloudera
•До 864TB в одной стойке
–Возможны также конфигурации 1/3 и 2/3 стойки

Big Data Appliance X5-2
Sun Oracle X5-2L Servers. На каждом:
• 2 * 18 Core Intel Xeon E5 Processors
• 128 GB Memory
• 48TB Disk space
Программное обеспечение(4.1):
• Oracle Linux6.5, Oracle JDK 7u72
• Oracle Big Data SQL 1.1*
• Cloudera Distribution of Apache Hadoop 5.3 – EDH Edition
• Cloudera Manager 5.3
• Oracle R Distribution 3.1.1-2
• Oracle NoSQL Database CE 3.2.4
* Oracle Big Data SQL is separately licensed

Что вам НЕ придется делать с Big Data Appliance (1/2)
• Подбирать и оптимизировать компоненты – сервера, диски,
количество дисков, процессоры, сети, память и т.п.
• Заключать отдельный договор о поддержке с Cloudera
• Собирать кластер
• Настраивать сетевые коммутаторы
• Инсталлировать операционную систему на каждом узле и
• Отслеживать и устанавливать оптимальные версии драйверов и
прошивок для каждого компонента
• Настраивать операционную систему для оптимальной
производительности (у нас же очень много данных!)
• Настраивать Java

Что вам НЕ придется делать с Big Data Appliance (2/2)
• Инсталлировать дополнительное ПО от Cloudera
• Тестировать работоспособность и производительность каждого
узла кластера
• Заниматься самостоятельно трудоемкой процедурой
многуровнего апгрейда и патчирования BIOS, OS, Java, Hadoop и
т.п.
• И просто следить за тем, что нужно что-то проапгрейдить
• Изучать как это все сделать без остановки и прерывания работы
пользователей
• Заниматься дизайном перебансировки кластера при его
расширении
• И т.д. и т.п.

Big Data SQL

Разные подходы – разные преимущества
1
0
1
2
3
4
5
Мощь инструментов
Встроенный функционал
ACID транизакции
Безопасность
Разнообразие форматов
данных
Разреженные данные
Простота ETL
Стоимость хранения
Простота загрузки
Взаимодействие с другими
системами
Hadoop
RDBMS
• У Hadoop свои плюсы
• У СУБД свои

Недостатки существующих систем Больших данных
• Для работы с Hadoop и реляционными базами данных
требуются разные навыки
• Существующие механизмы доступа к данным в Hadoop
функционально ограничены или работают медленно
• Конечные пользователи используют разные инструменты для
работы с Hadoop и реляционными базами

0
1
2
3
4
5
Мощь инструментов
Встроенный функционал
ACID транизакции
Безопасность
Разнообразие форматов
данных
Разреженные данные
Простота ETL
Стоимость хранения
Простота загрузки
Взаимодействие с другими
системами
Hadoop
RDBMS
Цель
Есть ли возможность объединить два мира?
2
Как это сделать?
И как это использовать?

SQL

SQL существует и спользуется уже более 40 лет
SELECT dept, sum(salary)
FROM emp, dept
WHERE dept.empid = emp.empid
GROUP BY dept

Apache Hive
• Apache Hive
– Один из самых популярных проектов для обработки данных над
Hadoop
– Инфраструктура, эмулирующая реляционную СУБД над Hadoop
– Есть SQL-подобный язык HiveQL
– Позволяет строить аналог свербольших хранилищ данных в Hadoop

SQL on Hadoop – не только Hive
Stinger

HiveQL: SQL очень ограничен
• Basic functions
– round, sqrt, floor, ceiling, concat,
lower, upper, etc.
• Aggregate functions
– count, sum, min, max, avg,
variance, stddev, covar, etc.
• Windowing functions
– lag, lead, first, last, row_number,
dense_rank, cume_dist,
percent_rank, ntile
SQL
Ограничения:
• Подзапросы
• Объединения
• Стат функции

next = lineNext.getQuantity();
}
if (!q.isEmpty() && (prev.isEmpty() || (eq(q, prev) && gt(q, next)))) {
state = "S";
return state;
}
if (gt(q, prev) && gt(q, next)) {
state = "T";
return state;
}
if (lt(q, prev) && lt(q, next)) {
state = "B";
return state;
}
if (!q.isEmpty() && (next.isEmpty() || (gt(q, prev) && eq(q, next)))) {
state = "E";
return state;
}
if (q.isEmpty() || eq(q, prev)) {
state = "F";
return state;
}
return state;
}
private boolean eq(String a, String b) {
if (a.isEmpty() || b.isEmpty()) {
return false;
}
return a.equals(b);
}
private boolean gt(String a, String b) {
return false;
}
return Double.parseDouble(a) > Double.parseDouble(b);
}
private boolean lt(String a, String b) {
return false;
}
return Double.parseDouble(a) < Double.parseDouble(b);
}
public String getState() {
return this.state;
}
}
BagFactory bagFactory = BagFactory.getInstance();
@Override
public Tuple exec(Tuple input) throws IOException {
long c = 0;
String line = "";
String pbkey = "";
V0Line nextLine;
V0Line thisLine;
V0Line processLine;
V0Line evalLine = null;
V0Line prevLine;
boolean noMoreValues = false;
String matchList = "";
ArrayList<V0Line> lineFifo = new ArrayList<V0Line>();
boolean finished = false;
DataBag output = bagFactory.newDefaultBag();
if (input == null) {
return null;
}
if (input.size() == 0) {
return null;
}
Object o = input.get(0);
if (o == null) {
return null;
}
//Object o = input.get(0);
if (!(o instanceof DataBag)) {
int errCode = 2114;
Сравнение Oracle SQL c HiveQL
Simplified, sophisticated, standards based syntax
SELECT first_x, last_z
FROM ticker MATCH_RECOGNIZE (
PARTITION BY name ORDER BY time
MEASURES FIRST(x.time) AS first_x,
LAST(z.time) AS last_z
ONE ROW PER MATCH
PATTERN (X+ Y+ W+ Z+)
DEFINE X AS (price < PREV(price)),
Y AS (price > PREV(price)),
W AS (price < PREV(price)),
Z AS (price > PREV(price) AND
z.time - FIRST(x.time) <= 7 ))
250+ строк на Java UDF 12 строк на Oracle SQL
В 20 раз меньше кода
Поиск шаблона (W) в биржевых данных
10:00 10:05 10:10 10:15 10:20 10:25
Ticker

Данные хранятся во многих местах
Транзакции
RelationalHadoop
Логи
NoSQL
Профили клиентов
SQL

Oracle Big Data SQL
Новая технология для обращения к данным в Hadoop из Oracle Database
Запросы кOracle,
Hadoop иNoSQL
Oracle SQL
Oracle
NoSQLDB
HDFS
DataNode
Oracle
NoSQLDB
HDFS
DataNode
OracleDatabase
StorageServer
OracleDatabase
StorageServer
•Для пользователя не важно, где лежат данные – в
Oracle или в Hadoop
•Использование данных в Hadoop любыми BI
инструментами
•Все возможности языка SQL Oracle
•Использование наработок Exadata
•Интеграция Big Data Appliance и Exadata

Потенциал для запросов к любой системе
Расширение на любой
источник в будущем
Ит.д.…

Интеграция больших
данных

Подходы к интеграции больших данных
ETLETL HDFS
Традиционные ETL
инструменты
Spark
Sqoop Sqoop
Hive
Pig
Manual Code
Ручное кодирование
Spark
Sqoop
Hive
Pig
ODI
Oozie
Sqoop
Oracle Data Integrator
GG

Oracle Data Integrator
Не требуется
отдельный ETL
сервер
Логический и
физический
дизайн
разделены
Физическое
выполнение
кода SQL, Hive,
Pig, Spark
Использование
Oozie или ODI
Java Agent
Библиотека
операторов
Возмоно
определять свои
функции

Enterprise Metadata Management
ETL
BI
Dashboards
App
ETL
ETL
Как считаются
продажи?
Что произойдет, если
я поменяю эту
таблицу?
Какие отчеты
используют данные
с этого сервера? Sys Admin
Руководитель
Разрабочик BI
Из какой системы
пришли
данные?
Польщователь
Какой отчет
использует эти
данные?
CDC
Hadoop
Data Lake
Data Steward
Можно ли
доверять
источнику?
ETL
разрабочтик
Я хочу провести
эксперимент. Какие
данные у меня есть в
наличии?
Data Scientist
GG

Big Data
Discovery

Проблемы аналитической обработки Больших Данных
Сложность инструментария
• Hadoop инструменты рассчитаны на
экспертов
• Существующие BI инструменты не
рассчитаны на Hadoop
• Нишевые инструменты имеют
ограниченную функциональность
80% усилий тратится
на подготовку
данных
Неопределенность данных
• Большой объем, гибкая структура
• Полезность данных не очевидна
• Значительные усилия по подготовке
данных
Зависимость от
высоко-
квалифицированных
экспертов

Требуется новый подход
Быстрой
трансформации и
обогащения данных для
эффективной работы с
ними
Снятия барьеров с
Больших данных для
исследования и поиска
новых возможностей
Единый интуитивный визуальный интерфейс для ...
Поиска и изучения
для понимания
потенциала данных
find explore transform discover share

3
Oracle Big Data Discovery
Визуализация данных Hadoop
find explore transform discover share

КаталогOracle Big Data Discovery
Понять потенциал
Больших Данных
4
• Доступ к
интерактивному
каталогу данных,
расположенных в
Hadoop
• Удобный поиск и
навигация в наборах
данных
• Суммарная
информация о
наборах данных;
описания, теги
пользователей

ИзучениеOracle Big Data Discovery
Понять потенциал
Больших Данных
4
• Визуализация
статистической
информации по
всем атрибутам
• Сортировака
атрибутов на
основе потенциала
данных
• Распределение
данных, качество
данных и выбросы
• Понимание
корелляции между
атрибутами

4
Oracle Big Data Discovery
Разблокировать Большие Данные • Drag&drop интрефейс для
создания аналитических
приложений
• Использование поисковых
возможностей и фасетной
навигации
• Объединение различных
данных для более глубокого
анализа
• Поиск новых патернов,
закономерностей в
интерактивном визуальном
аналитическом интерфейсе
Исследование

Oracle Information
Management Reference
architecture

Information Management Reference Architecture
Уровеньдоступакданным
Бизнес
аналитика
Информаци-
онные
сервисы
Простота и скорость
загрузки данных
Стоимость запроса к
данным
Уровень производительного
доступа
Фундаментальный слой
данных (3N форма)
Хранилище первичной информации
Data
Science
Первичная информация хранится
без всяких изменений
Данные очищены, организованы в
некоторую структуру, но абстрагированы
от бизнес процессов
Данные организованы в соответствии с
требованиями бизнес процессов, для достижения
максимальной производительности
Исследование данных Среда разработки
Исследование данных,
выявление новых
закономерностей
Разработка
взаимодействия всех
слоев приложения
Источники данных
Мультиструктурные
источники
Контент
Docs Web & Social Media
SMS
Структурированные
Данные
(из реляционных источников)
Мастер данные
Планирование и
бюджетирование

При создании Oracle IM Ref Architecture учитывается:
• Мультивендорный ландшафт заказчиков
• Хранилища данных и аналитика постоянно эволюционируют
• Существование разных типов данных (структурированные,
неструктурированные) и подходов к их обработке
• Необходимость не только обработки исторических данных, но и
существование задач реагирования в режиме близком к реальному
времени (Fast Data)
• Необходимость хранения исходных данных
• Необходимость создания «песочниц» для
экспериментов

5
Есть вопросы?
Andrey.Pivovarov@oracle.com

5

Exadata
Database Machine

Oracle Exadata X5
• Машина для СУБД Oracle
– Хранилища данных
– OLTP
– Смешанные нагрузки
– Консолидация
• Высочайшая производительность СУБД Oracle
– Exadata Software используется для предобработки данных
прямо на уровне системы хранения
• До 672TB в одной стойке
• Exadata позволяет использовать новейшие технологии:
– In Memory Database Option
– Колоночное хранение данных
– Опционально – 100% хранение данных на Flash

Exadata X5-2 Hardware
 2-Socket Database Servers
– Fastest Xeon chips, 18-core, 256 GB to 768 GB DRAM
 InfiniBand Network
– 40 Gb InfiniBand внутренняя сеть
– 10 Gb or 1 Gb Ethernet для внешей связи
 2-Socket Storage Servers
– 16 ядер на сервере для предобработки данных на СХД
– Extreme Flash (EF) Storage  12.8 TB Ultra-Fast PCI Flash Drives
или
– High Capacity (HC) Storage  6.4 TB Ultra-Fast PCI Flash Cards
+ 48 TB SAS disks
5

Примеры конфигураций Exadata для рахличных нагрузок
5
16 Database Servers +
5 High Capacity Storage Servers
DB In-Memory Machine Extreme Flash OLTP Machine
8 Extreme Flash Storage Servers
Data Warehousing Machine
Много серверов БД, много памяти
несколько серверов хранения
100% Flash хранение данных
для OLTP систем
Большой объем хранилища
Большое количество серверов БД
576 DB Cores
13.3 TB RAM
32 TB Flash
240 TB Disk
288 DB Cores
2 TB RAM
102 TB Flash
288 DB Cores
224 Storage
Cores
90 TB Flash
672 TB Disk
14 High Capacity Storage Servers

Масштабируемость Exadata
Тысячи процессорных ядер
Петабайты данных

• Захват и анализ данных с сенсоров
• Огромные объем данных в единицу
времени
Ускорение летных испытаний для сокращения
времени поставки новых самолетов
Ускорение летных испытаний
Solution components: Real-Time Decisions, Event Processing
Solution Components: BDA and NoSQL

Рецепты: Поиск ошибок и мошенничеств
• 8 миллионов рецептов обрабатывается
каждый день
• Поиск неправильного использования
препаратов
• Интеграция структурированных и
неструктурированных данных
• Геоаналитика
У мненьшение количества ошибок
и мошенничеств
Solution components:, BI Foundation, Endeca, Advanced Analytics – ‘R’ statistical
analysis & data mining, Exalytics, Exadata

• 18M учеников и 42 000 школ
• Аналитика поведения учеников и
учителей
• Комбинация RDBMS и Hadoop
• Цель – сделать образование более
эффективным
Улучшение аналитики для системы образования
Трансформация образования в Турции
Solution components: Real-Time Decisions, Event Processing
Solution Components: 2 BDA, 2 Exadata, 2 Exalogic, 2 Exalytics, IDM

• Аналитика и предложеия в реальном
времени
• Использование Event Processing
• Сервис предоставляется внешним
партнерам
• Генерация новых доходов
Геомаркетинг для предоставления новых услуг
Монетизация данных

•Как вам удалось изменить счет с 1-8 на 9-8?
Oracle Big Data в Oracle Team USA
Мы взломали код
•300 сенсоров на яхте
•выдают 2 ГБ данных за одну гонку

1 big data oracle digi oct

More Related Content

What's hot (20)

Viewers also liked (20)

Similar to 1 big data oracle digi oct (20)

1 big data oracle digi oct